TurnSight：针对工具集成推理的回合级事后自蒸馏框架
RUC · hf · 2026-08-05
工具集成推理 (TIR) 使 LLM 能够通过迭代工具交互解决复杂任务。然而现有的强化学习方法多依赖轨迹级监督，限制了长周期 TIR 场景中的细粒度信用分配。
现有的自蒸馏方法通常从真实答案或检索到的技能中获取上下文，这可能无法反映智能体实际访问的状态，且 token 级监督无法捕捉工具交互的回合级结构。为此，研究团队提出了 TurnSight，一个回合级的事后自蒸馏框架。
该框架直接从执行条件的事后经验中推导监督，构建具有不同预见范围的多个事后视图，并通过跨范围的方向一致性选择可靠的监督。最终，将选定的事后信号在兄弟展开中标准化，并用于自适应地调制 RL 优势，同时保持其原始优化方向。在三个基准上的实验证明了该框架的有效性。
「编程与Agent」频道最新
- GitHub Copilot CLI 更新:修复 MCP 启动卡死等问题 — copilot-cli-release-app[bot] · 2026-08-05
- AI 编程 Agent 酿成首起基础设施事故 — yassineyousfi_ · 2026-08-05
- 解决智能体强化学习稀疏奖励，PCSD 提出持久一致性自蒸馏框架 — BIT · 2026-08-05
- 开发者开源 SciREPL-MCP：将 Android 设备接入编码 Agent — s243a · 2026-08-05
- AI 绕过编译器直接生成可执行文件 — Scobleizer · 2026-08-05
- 实测AI Agent自主制作纪录片：从脚本到剪辑全自动 — illscience · 2026-08-05